chronos-forecasting
نماذج أساسية مدرّبة مسبقاً من نوع المحولات (Transformers) للتنبؤ بالسلاسل الزمنية دون الحاجة لتدريب مسبق (zero-shot) عبر البيانات أحادية ومتعددة المتغيرات.
قم بترميز الملاحظات التاريخية لتوليد توقعات احتمالية للسلاسل الزمنية باستخدام النماذج الأساسية.
Chronos هي مكتبة Python من Amazon Science تكيّف بنيات المحولات لتصبح أدوات تنبؤ بالسلاسل الزمنية دون الحاجة لتدريب مسبق. وهي تحول الملاحظات إلى رموز لتنبؤ المسارات المستقبلية دون إعادة تدريب خاصة بالمهمة. يجب أن يستخدمها علماء البيانات ومهندسو تعلم الآلة الذين يسعون للحصول على توقعات احتمالية دون بناء خطوط تدريب مخصصة.
ما هو
توفر الأداة خطوط تدفق Python لتنفيذ الاستدلال على عائلة نماذج Chronos الأساسية، بما في ذلك Chronos-2 وChronos-Bolt. وهي تقبل جداول pandas DataFrame التي تحتوي على الأهداف التاريخية والمتغيرات الخارجية الاختيارية، وتُرجع فترات التنبؤ الكمية. يمكنك تشغيل الاستدلال محلياً على وحدة المعالجة المركزية (CPU) أو الرسومية (GPU)، أو نشر نقاط نهاية على AWS SageMaker عبر AutoGluon-Cloud.
لمن هو
تتناسب مع فرق علم البيانات التي تتطلب تنبؤاً احتمابياً دون تدريب مسبق عبر سلاسل عالية الحجم دون ضبط يدوي للنموذج. وتعتبر مثالية إذا كنت تعمل بالفعل ضمن بيئات PyTorch أو Hugging Face أو سحابة AWS. وهي أقل ملاءمة للأجهزة الطرفية المحدودة التي لا تستطيع تشغيل نماذج المحولات براحة.
أهم الميزات
التنبؤ متعدد المتغيرات دون تدريب مسبق
توقع مسارات السلاسل الزمنية المستقبلية باستخدام السياق التاريخي والمتغيرات الخارجية دون إعادة تدريب مجموعة البيانات.
نماذج Chronos-Bolt القائمة على القطع
تقسيم السياق إلى قطع متعددة الملاحظات للتنبؤ المباشر متعدد الخطوات باستهلاك أقل للذاكرة.
مخرجات احتمالية كمية
توليد فترات التنبؤ عبر مستويات كمية قابلة設定 لتحديد عدم اليقين في التنبؤ بشكل مباشر.
تكامل Pandas DataFrame
تمرير مجموعات بيانات السلاسل الزمنية الجدولية القياسية مباشرة إلى وظائف التنبؤ في خط الانابيب.
جاهز للعمل في 3 خطوات
حكمنا الصادق
ما يميّزه
- يقدم توقعات دون تدريب مسبق دون الحاجة إلى خطوط تدريب نموذج مخصصة على مجموعات بيانات جديدة.
- يدعم المتغيرات الخارجية إلى جانب سلسلة الزمن المستهدفة في Chronos-2.
- يقدم متغيّرات Chronos-Bolt المصممة للاستدلال السريع وبصمات الذاكرة المخفضة.
- يتكامل بشكل أصلي مع محولات Hugging Face وسير عمل نشر Amazon SageMaker.
أين يقصّر
- يتطلب موارد وحدة معالجة رسومات مخصصة للاستدلال الدفعي منخفض الكمون أو عالي الإنتاجية.
- يقتصر دعم المتغيرات الخارجية على Chronos-2 بدلاً من إصدارات النماذج القديمة.
- يمكن أن تتصاعد تكاليف البنية التحتية السحابية بسرعة عند استضافة نقاط نهاية المحولات المستمرة.
التسعير والرخصة
Chronos مجاني ومفتوح المصدر بموجب رخصة Apache-2.0. تنشأ تكاليف التشغيل من حوسبة المضيف المحلي أو الموارد السحابة المستخدمة عند نشر النماذج على AWS SageMaker أو AutoGluon-Cloud.
وظائف للناطقين بالعربية
870 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٤ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
البدائل
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
استخدمه، أو دعنا نُعِدّه لك
الأسئلة الشائعة
هل يمكنني تمرير متغيرات خارجية إلى نماذج Chronos؟
نعم، يدعم Chronos-2 التنبؤ المستند إلى المتغيرات المشتركة من خلال قبول جدول DataFrame لقيم المتغيرات الخارجية المستقبلية.
كيف يولد Chronos توقعات احتمالية؟
يقوم بإخراج التنبؤات عبر مستويات كمية محددة (مثل 0.1 و0.5 و0.9) لتوفير فترات التنبؤ.
ما هي الأجهزة المطلوبة لتشغيل Chronos؟
بينما يمكن تشغيل النماذج الصغيرة على وحدة المعالجة المركزية (CPU)، يوصى بتسريع وحدة معالجة الرسومات PyTorch (CUDA) للنماذج الأكبر واستدلال الدفعات.
